Discovered Materials ხელოვნურ ინტელექტს ჩიპების გადახურების პრობლემის მოსაგვარებლად იყენებს

ხელოვნური ინტელექტის მზარდი დატვირთვა ჩიპების გადახურებას იწვევს, რაც მონაცემთა ცენტრების მიერ ელექტროენერგიის ჭარბ მოხმარებასა და რთული გაგრილების სისტემების საჭიროებას განაპირობებს. ამ პრობლემის მოსაგვარებლად, სტარტაპი Discovered Materials ხელოვნურ ინტელექტს იყენებს, რათა აღმოაჩინოს ახალი მასალები უფრო ეფექტური ინტეგრირებული სქემების შესაქმნელად.

კომპანიამ ცოტა ხნის წინ 9 მილიონი აშშ დოლარის ოდენობის საწყისი (seed) დაფინანსება მოიპოვა Lightspeed India Partners-ისგან. ინვესტორებს შორის ასევე არიან Peak XV Partners, Paul Graham, Gokul Rajaram და Thariq Shihipar. სტარტაპი Y Combinator-ის აქსელერატორის პროგრამის დასრულების შემდეგ ჩამოყალიბდა.

კომპანიის დამფუძნებლებმა, ადვაიტ სრიდჰარმა და აკაშ რამდასმა, საკუთარი გამოცდილება გააერთიანეს: რამდასს სტენფორდის უნივერსიტეტის დოქტორის ხარისხი აქვს მასალათმცოდნეობაში, ხოლო სრიდჰარი ადრე Persona AI-სა და Luma Labs-ში მუშაობდა. მათ შექმნეს პროგრამული უზრუნველყოფის სისტემა, რომელიც Anthropic-ის მოდელებს იყენებს მასალების პოტენციური ვარიანტების შესარჩევად, შემდეგ კი ფიზიკის ფუნდამენტურ მოდელებზე დაფუძნებული სიმულაციების მეშვეობით ამოწმებს მათ ვარგისიანობას.

მასალების აღმოჩენის მასშტაბირება AI აგენტებით

სრიდჰარის თქმით, თუ ადრე რამდასი სადოქტორო კვლევისას დღეში მხოლოდ 20-მდე ვარაუდის დამუშავებას ახერხებდა, ახლა AI აგენტები ღრუბლოვან სისტემაში 24/7 რეჟიმში მუშაობენ და დღეში ათასობით შესაძლო მიმართულებას იკვლევენ. Discovered Materials-მა უკვე გამოაქვეყნა ასობით ახალი მასალის მაგალითი და წარადგინა პლატფორმა „Material Discovery Bench“, რომელიც თვალს ადევნებს, თუ როგორ უმკლავდებიან მოწინავე მოდელები ამ გამოწვევას.

მიუხედავად იმისა, რომ ბაზარზე ისეთი მოთამაშეებიც არიან, როგორებიცაა MatNex, SandboxAQ და CuspAI, ეს სტარტაპი აქცენტს კონკრეტულად ნახევარგამტარი მასალების თერმულ პრობლემებზე აკეთებს. კომპანია აცხადებს, რომ უკვე აღმოაჩინა რამდენიმე მასალა, რომლებიც თვისებებით ჩიპების მწარმოებლების მიერ ამჟამად გამოყენებულ მასალებს ჰგავს, თუმცა დეტალებს ჯერჯერობით არ ასაჯაროებენ.

საინჟინრო გამოწვევები და „Whack-a-Mole“ ეფექტი

მთავარი სირთულე საინჟინრო ბალანსის პოვნაა: მასალა შეიძლება კარგად ატარებდეს სითბოს, მაგრამ მისი გამოყენება ჩიპების წარმოებაში ტექნიკურად შეუძლებელი იყოს ან მისი ელექტრული თვისებები აღმოჩნდეს არასაკმარისი.

„ეს ატომურ სტრუქტურებთან ერთგვარი 'Whack-a-mole' თამაშია. მასალა რეალურ სამყაროში მხოლოდ მაშინ არის გამოსადეგი, თუ ყველა საჭირო თვისება ერთდროულად იყრის თავს, რაც ამ პროცესს მართლაც საინტერესო კვლევით ამოცანად აქცევს,“ — განუცხადა TechCrunch-ს ჰემანტ მოჰაპატრამ, Lightspeed-ის პარტნიორმა.

მოჰაპატრა მოელის, რომ ახალი ნივთიერებების პროგნოზირება დროთა განმავლობაში სტანდარტულ პროცესად იქცევა მოდელების გაუმჯობესებასთან ერთად. Discovered Materials-ის უპირატესობა რამდასის ღრმა გამოცდილება და ლაბორატორიული ექსპერიმენტების სწრაფად ჩატარების უნარია.

ბიზნეს მოდელი და ბაზრის რეალობა

კომპანია გეგმავს დააპატენტოს აღმოჩენილი მასალების გამოყენება გრაფიკულ პროცესორებში (GPU) ან მათი წარმოების პროცესები, რის შემდეგაც ლიცენზიებს ჩიპების მწარმოებლებზე გასცემს. სრიდჰარი იმედოვნებს, რომ მომავალ წელს მათ უკვე ექნებათ დასაპატენტებლად მზა მასალები.

მიუხედავად დიდი მოლოდინებისა, AI-ს მიერ აღმოჩენილ მასალებს ჯერჯერობით მნიშვნელოვანი კომერციული გავლენა არ მოუხდენია. ყველაზე ახლოს ამასთან Insilico Medicine-ის პრეპარატი Renterosib-ია, რომელიც პირველი AI-ით აღმოჩენილი წამალია, რომელმაც კლინიკური კვლევის მეორე ფაზას მიაღწია. მასალათმცოდნეობის სფეროშიც არსებობს იმედისმომცემი კანდიდატები, როგორიცაა MatNex-ის მუდმივი მაგნიტები ან Panasonic-ისა და Citrine Informatics-ის ნახევარგამტარები, თუმცა მათი მასშტაბური გამოყენება ჯერ არ დაწყებულა.

მოჰაპატრას აზრით, მთავარი დაბრკოლება არა ახალი კანდიდატების პოვნა, არამედ მათი სწორი ფილტრაცია და სინთეზია. სრიდჰარიც აღიარებს, რომ პროცესის ნაწილი მაინც ლაბორატორიულ სამუშაოებს (wet labs) მოითხოვს, რისი დაჩქარებაც ტექნოლოგიურად შეუძლებელია.